MATLAB小波软硬阈值去噪代码

MATLAB小波软硬阈值去噪代码基于小波的去噪MATLAB代码 要运行该实现，只需运行“ project.m”文件。 将出现5张图像： 原始的“莱娜” 256x256图片（黑白） 添加了AWGN的图片 图片通过纸算法实现去噪 通过Visushrink硬阈值实现对图像进行去噪 通过Visushrink软阈值实现对图像进行去噪 相应的嘈杂的SNR和所有三个去噪的图片也将被打印在命令窗口中。 Visushrink算法的代码（用于比较）由M. Kiran Kumar实现，并通过Mathworks网站（）下载。 Lipschitz指数是由Venkatakrishnan等人通过题为“使用小波变换模量极大值（WTMM）的Lipschitz指数（LE）的测量”的方程式（9）来计算的。 （IJSER-2012年6月）。

MATLAB小波软硬阈值去噪代码图像去噪 本项目对5级AWGN（加性高斯白噪声）失真的自然和合成图像应用不同的图像降噪方法，并就数量和质量方面不同方法的结果进行比较评估。 程序用法 在Matlab的“代码”文件夹中打开“ Test.m”脚本。 运行“ Test.m”脚本。 参数设定 对于小波方法，将同时测试硬过滤器和软过滤器。 在将小波与其他方法进行比较时，我们选择Biorthogonal 3.5作为小波滤波器。 DWT级别设置为3。 对于BM3D，sigma值设置为25。 对于空间过滤器，内核大小设置为5x5。 对于逆谐波均值滤波器，正和负Q参数分别设置为1.5和-1.5。 评估指标 对于定量分析，评估指标包括著名的PSNR以及Nikolay Ponomarenko等提出的PSNR-HVS-M。消费电子产品的视频处理和质量指标VPQM-07，美国亚利桑那州斯科茨代尔，2007年1月25日至26日，第4页）。 对于定性分析，我们在视觉上观察降噪后的图像，以便对其视觉质量进行主观评估。 定量评估结果 测试了10种降噪方法，其定量结果如下所示： 方法 自然影像PSNR 自然影像PSNR-H

本文件使用小波阈值法图像去噪.包括软阈值,硬阈值,及折中阈值去噪,并在折中阈值去噪方法基础上加入自适应算法,得到较好结果.